近几年来,在人口密集的公共场所和公共交通工具上发生的暴力事件以及不法分子利用快递服务传送管制物品等危害公共安全的事件常有发生,这些行为严重危害公共安全,公共安全问题日益严峻。在公共场所设置必要的安全检查措施可以有效地减少这类事件的发生频率,利用X射线成像方法来实现探测违禁物品是目前应用最广的安全检查技术。但是,依靠安检人员的工作经验来评定违禁物品是否存在的方式不仅限制了违禁物品的检出率、增加漏检的风险,还增加了人工的负担。因此,针对违禁物品的识别技术在安全检查领域受到高度的重视。本文基于X射线的检测技术理论,对典型的违禁物品(主要为刀具和枪支)进行安全检查,重点内容是对刀具和枪支的检测结果进行识别。主要包括原始图像的预处理、特征提取和模式识别。原始图像的预处理部分包括图像的除噪、增强和分割。除噪部分构造一种新的小波阂值除噪方法,对常用的图像除噪方法进行效果比较,发现小波阂值除噪方法能有效地去除安检图像中的噪声;图像增强部分采用模糊算法对图像进行增强;使用迭代阂值算法对图像进行分割。在图像的特征提取部分,先对已经分割的二值图像采用小波模极大值边缘提取算法提取其边缘,选取刀和枪的形状作为特征,提取其轮廓矩不变量。典型违禁物品的识别采用了 BP神经网络和模糊聚类两种方法。经过试验分析得知可以有效地识别出安检过程中的刀具和枪支。